I.4Обработка документов и форм

Модель jb2k/bert-base-multilingual-cased-language-detection — классификатор для определения языка текста, созданный дообучением bert-base-multilingual-cased на наборе common language. Она предсказывает один из 45 языков, включая русский, английский, китайский, арабский и другие. Модель построена на архитектуре BERT с классификационной головой, содержит 205,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для автоматической маршрутизации текстов по языку, предварительной обработки многоязычных данных и определения языка пользовательских сообщений. В README указана точность 97,8% на тестовом разделении common language dataset. Опубликована в формате PyTorch; лицензия в предоставленных данных не указана.

DistilBERT multilingual cased — трансформерная языковая модель, разработанная Виктором Саном, Лисандром Дебю, Жюльеном Шомоном и Томасом Вольфом из Hugging Face. Это дистиллированная версия многоязычной BERT base модели, обученная на объединённых данных Википедии на 104 языках. Архитектура включает 6 слоёв, размер скрытого представления 768, 12 голов внимания и 134 млн параметров; модель различает регистр букв и обрабатывает последовательности до 512 токенов. Основная задача модели — предсказывать замаскированные токены в тексте. Её можно применять для заполнения пропусков и дообучать для классификации последовательностей, классификации токенов и ответов на вопросы. По данным разработчиков, в среднем она работает примерно вдвое быстрее mBERT-base, сохраняя мультиязычность при меньшем размере. Модель не предназначена для генерации текста и не гарантирует фактическую достоверность ответов. Её предсказания могут отражать вредные стереотипы и смещения; результаты на приведённых разработчиками тестах XNLI ниже, чем у mBERT-base. Лицензия — Apache 2.0.

OS-Software/Gemma 4 12B IT QAT Q4_0 Unquantized Heretic JA v2 — экспериментальная производная модели Google Gemma 4 12B IT. Репозиторий описывает Gemma 4 как мультимодальную модель Google DeepMind для работы с текстом, изображениями, видео и аудио; эта версия дообучена на базе google/gemma-4-12B-it и помечена как uncensored/abliterated. Указаны гибридное внимание с локальными окнами и глобальными слоями, рассуждение, вызов инструментов, генерация и исправление кода, а также мультиязычная поддержка. Для семейства 12B заявлено контекстное окно до 256K токенов и поддержка распознавания речи и перевода аудио в текст; метаданные указывают Transformers, safetensors и лицензию Apache-2.0. Карточка позиционирует модель для исследований и экспериментов, включая исследования безопасности, выравнивания и red teaming, и просит не развёртывать её в публичных сервисах или пользовательских приложениях. Возможны предвзятые, неточные или устаревшие ответы, трудности со сложными инструкциями и языковыми нюансами; для этой версии отдельные измерения качества не приведены.

jenerallee78/gemma-4-26B-A4B-it-ara-abliterated — мультимодальная instruction-tuned модель, созданная на базе Google Gemma 4 26B-A4B-IT с применением метода Adaptive Refusal Abliteration (ARA). Разработчик заявляет, что модель предназначена для диалоговых сценариев, генерации текста и работы с изображениями; в метаданных указан английский язык. Это модификация с ослабленными встроенными ограничениями на отказы, поэтому её применение требует самостоятельной оценки безопасности. Модель использует MoE-архитектуру со 128 экспертами и 8 активными экспертами на токен, примерно 4 млрд активных параметров на токен, 30 слоями и контекстом до 262 144 токенов. Она поддерживает мультимодальный ввод благодаря vision encoder на базе SigLIP; каждое изображение преобразуется примерно в 280 soft tokens. Доступны варианты BF16 SafeTensors и GGUF для Transformers, vLLM, SGLang и llama.cpp, а также смешанная 4-битная MLX-квантизация для Apple Silicon. Размеры файлов составляют около 48 ГБ для BF16, 20 ГБ для Q5_K_M GGUF и 15 ГБ для MLX-варианта. По приведённым автором результатам, на наборе из 507 тестовых вредоносных запросов доля отказов составила 7,7%, средняя оценка качества соблюдения запроса — 4,6 из 5, а KL-дивергенция относительно базовой модели — 0,1299. Эти показатели относятся к заявленной методике и конкретным бенчмаркам и не гарантируют аналогичное поведение в других условиях. Модель распространяется по лицензии Apache 2.0.

NoxStrix/gemma-4-31B-it-Q4_K_M-GGUF — это конвертированная в формат GGUF инструкциямодель на базе google/gemma-4-31B-it, подготовленная автором NoxStrix с использованием llama.cpp и сервиса GGUF-my-repo от ggml.ai. Модель предназначена для локального запуска через llama.cpp, включая интерактивные запросы в CLI и работу в режиме сервера. Из доступных данных известно, что исходная модель имеет размер 31B параметров и относится к мультимодальным моделям image-text-to-text, то есть может обрабатывать изображения и текст и генерировать текстовые ответы. Ключевые характеристики исходной архитектуры, поддерживаемые языки и размер контекстного окна в README не указаны. Квантование Q4_K_M уменьшает требования к памяти по сравнению с полноразмерной версией, но README не содержит точных сведений о качестве, скорости и необходимых ресурсах. Для использования требуются llama.cpp и подходящее аппаратное обеспечение; возможна настройка сборки под конкретную платформу, включая Nvidia GPU. В README приведён пример контекста размером 2048 токенов, но это может быть лишь параметром запуска, а не максимальным размером контекста модели. Модель распространяется по лицензии Apache-2.0, при этом для исходной Gemma могут действовать дополнительные условия лицензии Google Gemma.

German-RAG-PHI-3.5-MINI-4B-ORPO-HESSIAN-AI — авторегрессионная языковая модель на архитектуре Transformer, разработанная командой Avemio AI при поддержке Hessian AI. Это дообученная версия немецко- и англоязычной модели German-RAG-PHI-3.5-MINI-4B-SFT-HESSIAN-AI, настроенная методом ORPO для сценариев генерации с дополнением найденной информацией. Модель предназначена для ответов на вопросы по контексту и документам, извлечения релевантной информации, суммаризации и рассуждений на немецком и английском языках. В карточке указаны 3,7 млрд параметров и контекст до 131 072 токенов. По приведённым в README оценкам, она справляется с отдельными задачами извлечения и рассуждений, однако результаты зависят от задачи и набора данных. Модель доступна в формате safetensors. Метаданные указывают лицензию MIT; README указывает Apache 2.0, поэтому лицензию следует сверить с условиями репозитория перед использованием. Ответы могут содержать фактические ошибки и предвзятость, а модель без фильтрации способна генерировать вредный или чувствительный контент.

Longformer-large-4096 — англоязычная предварительно обученная модель-трансформер от Allen Institute for AI (AI2), предназначенная для представления и анализа длинных текстов. В конфигурации — 24 слоя, 1024 скрытых измерения и около 454,1 млн параметров; модель рассчитана на последовательности примерно до 4096 токенов. Механизм внимания сочетает локальное скользящее окно и настраиваемое глобальное внимание, благодаря чему обработка длинных последовательностей масштабируется линейно по их длине. Модель подходит как основа для дообучения под задачи классификации документов, поиска ответов и других задач понимания текста; сама по себе она не является генеративным чат-ботом. Доступны веса PyTorch и TensorFlow. Условия лицензии в использованных источниках не установлены.

LongLLaMA-Instruct-3Bv1.1 — инструктивная языковая модель семейства LongLLaMA, разработанная авторами проекта LongLLaMA на основе OpenLLaMA-3Bv2. Модель содержит 3,3 млрд параметров и дообучена методом Focused Transformer (FoT), а также на инструкциях OpenOrca и диалогах ShareGPT-Processed. Она предназначена для генерации текста и ответов на вопросы с использованием длинного контекста; в README описаны извлечение сведений из длинных входов и эксперименты с классификацией вопросов и ответами на вопросы. Архитектура LongLlamaForCausalLM использует кэш памяти в выбранных слоях и обработку входов окнами по 2048 токенов. Метаданные указывают нативный контекст 2048 токенов; README заявляет возможность экстраполяции до 256 тысяч токенов в задаче поиска ключа, хотя это исследовательский результат, а не универсальная гарантия для всех задач. Модель принимает и генерирует текст; обучающие данные также включают код, но карточка не подтверждает отдельное специализированное качество для программирования. Лицензия Apache 2.0. Автор обозначает модель как предназначенную только для исследований.

ccdv/lsg-bart-base-16384 — модель на базе BART-base, адаптированная для задач encoder-decoder с длинными входными последовательностями. Она использует локальное, разреженное и глобальное внимание (LSG) и содержит 95,2 млн параметров. Заявленная длина контекста — до 16 384 токенов; модель реализована на PyTorch и использует тот же токенизатор и число слоёв, что и BART-base. Модель предназначена для генерации текста по входной последовательности, включая суммаризацию, а также может применяться для классификации. В README приведены примеры суммаризации и классификации; метаданные также указывают fill-mask и question answering среди поддерживаемых задач. Для загрузки через Transformers требуется включить trust_remote_code=True, поскольку используется пользовательский код архитектуры. Входную длину рекомендуется обрезать токенизатором; при нехватке памяти можно уменьшить размеры блоков или увеличить разреженность внимания. Модель адаптирована от BART-base без дополнительного предварительного обучения. Лицензия в предоставленных данных не указана.

MamayLM-Gemma-3-12B-IT-v2.0 — украиноязычная адаптация мультимодальной модели Gemma 3 от INSAIT-Institute, дообученная на базе google/gemma-3-12B-it. Это плотная модель с архитектурой Gemma3ForConditionalGeneration, предназначенная для диалогов, следования сложным инструкциям и понимания изображений вместе с текстом. Доступны версии MamayLM v2.0 размером 12B и 27B; этот репозиторий содержит вариант 12B. Модель подходит для вопросов по изображениям, многоходовых бесед и задач на украинском языке, а также поддерживает английский. В README указаны данные предварительного обучения до мая 2025 года и инструкционного дообучения до октября 2025 года. Для работы с изображениями следует избегать динамической квантизации vision tower и мультимодального проектора через параметр vLLM quantization="fp8": README предупреждает, что это приводит к некорректным результатам на изображениях. Репозиторий распространяется по лицензии Gemma.

winglian/Meta-Llama-3-8B-1M — слитая модель на базе Llama 3 8B, созданная объединением исходной модели с LoRA-адаптером от инструкционной модели Gradient AI с контекстом 1M токенов. Это плотная авторегрессионная языковая модель класса LlamaForCausalLM с 7,5 млрд параметров, предназначенная для генерации текста и работы с длинным контекстом. Репозиторий содержит веса в формате safetensors. Модель подходит для генерации продолжений и ответов на запросы с большим объёмом текста в контексте. README не сообщает сведения о поддерживаемых языках или конкретных оценках качества. Лицензия в предоставленных данных не указана.

Ministral-3-14B-abliterated-GGUF — GGUF-квантизированные версии модели Ministral-3-14B-abliterated, разработанные jenerallee78 на базе Ministral-3-14B-Instruct-2512 от Mistral AI. Модель предназначена для локального запуска через llama.cpp и совместимые инструменты, а также для использования в OpenAI-совместимых API-серверах и Ollama. Это мультимодальная модель, принимающая текстовые и графические входные данные. Заявлена поддержка контекста до 256K токенов; язык, указанный в карточке, — английский. Доступны варианты F16 размером около 26 ГБ и Q8_0 размером около 14 ГБ. Для обработки изображений требуется отдельный vision-проектор mmproj-F16 размером около 838 МБ. Версия F16 обеспечивает максимальное качество, а Q8_0 рассчитана на более экономичное использование памяти. Модель подвергнута abliteration — изменению внутренних представлений, направленному на удаление поведения, связанного с отказами в ответах. Это может сделать её более пригодной для исследовательских сценариев, требующих менее выраженных ограничений, но одновременно повышает риски генерации небезопасного или нежелательного контента. Для F16 указано тестирование на NVIDIA RTX PRO 6000 Blackwell с потреблением около 67 ГБ VRAM и скоростью генерации около 20–22 токенов в секунду; показатели Q8_0 обозначены как оценочные или не предоставлены. Лицензия — Apache-2.0; автор также указывает исследовательское и образовательное назначение и ответственность пользователя за соблюдение законодательства и этических норм.

MIO-7B-Base — базовая мультимодальная авторегрессионная модель, разработанная командой M-A-P и соавторами из исследовательских организаций. Она предназначена для генерации и понимания текста, изображений, речи и видео в единой последовательности токенов. В основе — плотная архитектура LLaMA с 5,8 млрд параметров; модель использует дискретные представления разных модальностей и контекст до 4096 токенов. Исследовательская работа описывает сценарии визуальных вопросов и ответов, распознавания и синтеза речи, создания подписей к видео, редактирования изображений и смешанной генерации текста с изображениями. Модель основана на Yi-6B-Base и дообучена для мультимодальных задач; переданные метаданные также связывают её с Yi-6B-Chat. Для этой версии в карточке указана лицензия Apache-2.0. Публикация сообщает о конкурентных результатах в ряде тестов, но отмечает сложности с вычислительной стоимостью длинных мультимодальных контекстов и разрешением генерируемых изображений. Указанный в метаданных pipeline_tag — text-generation; мультимодальные задачи и характеристики описаны в публикации о семействе MIO.

unsloth/Qwen2.5-Omni-3B — мультимодальная модель на базе Qwen2.5-Omni-3B, опубликованная Unsloth. Она принимает текст, изображения, аудио и видео и может отвечать текстом или генерировать речь; архитектура Thinker-Talker поддерживает потоковую обработку и синхронизацию временных меток аудио и видео. Модель подходит для голосового и видеодиалога, распознавания и понимания речи, анализа изображений и видео, а также выполнения инструкций с аудиовходом. Карточка описывает возможности семейства Qwen2.5-Omni, включая распознавание речи, перевод, рассуждения по изображениям, понимание видео и генерацию речи. Для работы рекомендуется актуальная версия Transformers; генерацию аудио можно отключить, чтобы сократить расход видеопамяти примерно на 2 ГБ. В метаданных указаны формат safetensors и лицензия other; конкретные условия этой лицензии следует проверить на странице модели.

YTan2000/Qwen3.6-35B-A3B-TQ3_4S — квантованная GGUF-версия мультимодальной модели Qwen3.6-35B-A3B, опубликованная YTan2000. Она предназначена для диалогов, ответов на вопросы, агентных сценариев и анализа изображений. Модель основана на архитектуре Mixture of Experts: в README описана смешанная квантовка TQ3_4S с 2-битными экспертами и 4-битным вниманием; основной файл занимает 12,4 GiB, а мультимодальный проектор поставляется отдельно в BF16. Для запуска указан TurboQuant runtime fork; рекомендуемые настройки рассчитаны на GPU с 16 ГБ видеопамяти. Карточка сообщает о проверке базовых вызовов инструментов и ответов на простые вопросы, но эти результаты не дают широкой оценки качества. Репозиторий распространяется по лицензии Apache-2.0. Метаданные указывают английский язык карточки; другие поддерживаемые языки и длина контекста не подтверждены.

Карточка модели Umbasa/Qwen3-Omni-30B-A3B-Instruct-UMBASA-V1 на Hugging Face совпадает с карточкой Qwen/Qwen3-Omni-30B-A3B-Instruct, поэтому описание составлено по ней. Qwen3-Omni-30B-A3B-Instruct — мультимодальная модель общего назначения от команды Qwen компании Alibaba. Она принимает текст, изображения, аудио и видео и формирует потоковые ответы текстом и естественной речью; вариант Instruct включает компоненты Thinker и Talker. Архитектура MoE использует разделение на Thinker и Talker, а модель рассчитана на низколатентное взаимодействие в реальном времени и управление поведением через системные промпты. Модель предназначена для голосовых диалогов, распознавания и понимания речи, описания аудио и видео, а также ответов на вопросы по изображениям и смешанным мультимодальным входам. README заявляет поддержку 119 языков для текста, 19 языков для речевого ввода и 10 для речевого вывода; среди явно перечисленных языков речи есть русский. В примере запуска указан максимальный контекст 65 536 токенов. Для работы предлагаются Transformers и vLLM; README отмечает, что на момент публикации требовалась установка Transformers из исходников. Лицензия в метаданных обозначена как other, без уточнения условий.

Карточка модели Umbasa/Qwen3-Omni-30B-A3B-Thinking-UMBASA-V1 на Hugging Face совпадает с карточкой Qwen/Qwen3-Omni-30B-A3B-Instruct, поэтому описание составлено по ней. Qwen3-Omni-30B-A3B-Instruct — мультимодальная модель общего назначения от команды Qwen компании Alibaba. Она принимает текст, изображения, аудио и видео и формирует потоковые ответы текстом и естественной речью; вариант Instruct включает компоненты Thinker и Talker. Архитектура MoE использует разделение на Thinker и Talker, а модель рассчитана на низколатентное взаимодействие в реальном времени и управление поведением через системные промпты. Модель предназначена для голосовых диалогов, распознавания и понимания речи, описания аудио и видео, а также ответов на вопросы по изображениям и смешанным мультимодальным входам. README заявляет поддержку 119 языков для текста, 19 языков для речевого ввода и 10 для речевого вывода; среди явно перечисленных языков речи есть русский. В примере запуска указан максимальный контекст 65 536 токенов. Для работы предлагаются Transformers и vLLM; README отмечает, что на момент публикации требовалась установка Transformers из исходников. Лицензия в метаданных обозначена как other, без уточнения условий.

Модель dinghong-ner/siamese-name-matcher-v7 — дообученный Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, разработанный для семантического сопоставления текстовых фрагментов. Архитектура BERT с усредняющим pooling преобразует предложения и короткие абзацы в плотные векторы размерности 384; близость оценивается косинусным сходством. Модель принимает текст, максимальная длина последовательности по README — 128 токенов, а метаданные указывают контекст до 512 токенов. Основной сценарий — сравнение имён и псевдонимов: обучающие примеры включают варианты написания имён, транслитерацию и японские имена. Модель также подходит для семантического поиска и извлечения похожих текстов. На валидационном наборе v7 указаны cosine accuracy 0,865 и F1 0,9078; результаты относятся к этому набору и не гарантируют качество на других данных. Веса опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

SRIQwen-V1.3 — плотная мультимодальная модель семейства Qwen3.5 от SRIQ, полученная supervised fine-tuning базовой Qwen/Qwen3.8-27B с помощью LoRA; адаптер объединён с выпущенными весами. Обучение на наборе sriq-ai/sriq-sft-v1.3 направлено на сокращение цепочек рассуждений при сохранении исходных ответов. Модель загружается через Transformers как Qwen3_5ForConditionalGeneration и поддерживает диалог, текст и изображения; интерфейс также предусматривает вызов инструментов. Контекст базовой модели составляет 262 144 токена, но дообучение проводилось на последовательностях длиной до 131 072 токенов, поэтому поведение на большей длине не проверено. Обучающие цели включали сжатые рассуждения на упрощённом китайском языке, а итоговый ответ формировался на языке запроса. Для релиза не проводились бенчмарки, поэтому улучшение точности, расхода токенов и скорости не подтверждено. Лицензия — Apache-2.0.

Surogate-3.5-2B — двуязычный ассистент с приоритетом румынского языка, разработанный Invergent. Модель построена на архитектуре Qwen3.5 и предназначена для диалогов с текстом и изображениями, следования инструкциям, рассуждений и решения математических задач. Поддерживает шаблон чата Qwen3.5, вызов инструментов через совместимые средства и режим с явной цепочкой рассуждений на румынском и английском языках. Модель оптимизирована для румынского языка, включая орфографическую корректность; английский также поддерживается, но качество может меняться в зависимости от задачи. Ограничения размера 2B проявляются в глубине фактических знаний и надёжности сложных рассуждений; возможны орфографические, логические и фактические ошибки. Факты, вычисления и советы с серьёзными последствиями требуют независимой проверки. Лицензия — Apache-2.0.

TinyBERT_General_4L_312D — компактная модель семейства BERT, опубликованная Huawei Noah’s Ark Lab. Это общий чекпойнт TinyBERT, полученный дистилляцией BERT-base для задач понимания естественного языка. Модель содержит 15,6 млн параметров, имеет 4 слоя и размерность скрытого представления 312; заявлены размер в 7,5 раза меньше и инференс в 9,4 раза быстрее, чем у BERT-base. Длина контекста — до 512 токенов. Модель предназначена для использования как начальная точка для задач понимания текста и последующего дообучения под конкретную задачу. Репозиторий содержит веса PyTorch и Flax. Карточка не сообщает о многоязычной подготовке, поэтому поддерживаемые естественные языки определить нельзя. Лицензия в предоставленных данных не указана.

ANITA-NEXT-24B-Magistral-2506-VISION-ITA — мультимодальная модель семейства ANITA, разработанная Марко Полиньяно и исследовательской группой SWAP Университета Бари Альдо Моро. Она создана на основе текстовой модели ANITA-NEXT-24B-Magistral-2506-ITA с добавлением зрительных слоёв и процессора Mistral-Small-3.1-24B-Instruct-2503; архитектура — Mistral3, около 23,4 млрд параметров. В карточке указано дообучение SFT с QLoRA и выравнивание DPO, а каталог отмечает слияние моделей. Модель предназначена для диалогов на итальянском и английском языках с анализом изображений, а также для последующей настройки под специальные задачи на итальянском. Она принимает текст и изображения и генерирует текст, включая код. Метаданные указывают контекст 40 960 токенов; README заявляет 128 тыс. токенов, отмечая снижение качества после 40 тыс. Лицензия — Apache-2.0.

DeepSeek-V4.1-Flash-UNCENSORED-FP8 — модифицированная версия DeepSeek-V4.1-Flash от dealignai, созданная исследовательской командой dealignai. Это мультимодальная модель с поддержкой изображений, инструментов и рассуждений, предназначенная для диалоговых приложений, анализа текста и изображений, выполнения многошаговых задач и работы с длинным контекстом. Модель распространяется как стандартный checkpoint для Transformers и основана на deepseek-ai/DeepSeek-V4.1-Flash. Модель использует архитектуру Causal Encoder-Decoder с 20+20 слоями и MoE: 384 маршрутизируемых эксперта с выбором top-6 и один общий эксперт. Заявлены 552B параметров в backbone, из которых 8B/16B активны на токен. Также используются Hyper-Connections с четырьмя каналами остаточных связей, разреженное внимание CSA2, память Engram для n-грамм и черновая голова DSpark для speculative decoding. Весы представлены в нативном FP8 e4m3fn с блочным масштабированием E8M0, маршрутизируемые эксперты — в FP4. Контекстное окно составляет до 1 млн токенов, а визуальная часть основана на DeepSeek-ViT с 2D-RoPE и pixel unshuffle. Ключевая особенность — перманентная модификация весов, направленная на удаление встроенных механизмов отказа и ограничений безопасности; при этом заявлено сохранение основных возможностей, включая зрение, рассуждения, MTP и многоходовую связность. По приведённым тестам модель полностью выполняет запросы из HarmBench-320, однако её результат MMLU ниже базовой модели: 82,74% против 86,96%; без этических предметов снижение оценивается примерно в 1,1 процентного пункта. Поэтому модель может быть полезна для исследовательских и экспериментальных сценариев, требующих минимальных встроенных ограничений, но несёт повышенный риск генерации опасного или незаконного содержания и не подходит для неконтролируемых пользовательских продуктов. Лицензия — MIT.

google/electra-base-discriminator — англоязычный текстовый энкодер семейства ELECTRA, разработанный Google. Модель основана на Transformer и обучалась различать исходные токены текста и заменённые токены, сгенерированные другой нейросетью. Веса содержат 136,7 млн параметров, контекст — до 512 токенов; доступны версии для PyTorch, TensorFlow и Flax. Модель предназначена для тонкой настройки на задачи классификации текста, ответов на вопросы и разметки последовательностей, включая извлечение фрагментов текста. Это базовый дискриминаторный энкодер, а не готовая модель для генерации ответов: для прикладных задач обычно требуется соответствующая голова и дообучение. Лицензия — Apache 2.0.

Gemma 4 12B-it JANG 4M CRACK — мультимодальная инструкционная модель dealignai, основанная на Google Gemma 4 12B-it. Она предназначена для диалогов и задач с текстом, изображениями, аудио и видео; карточка также заявляет поддержку рассуждений и вызова инструментов. Модель имеет 48 слоёв, гибридное скользящее и полное внимание и контекст до 128 тысяч токенов. Разработчик сообщает, что модель прошла абляцию отказов CRACK и смешанную квантизацию JANG: 8-битные веса внимания и 4-битные веса MLP. Версия подготовлена для MLX и Apple Silicon, занимает около 9,6 ГБ. В README приведены результаты собственных оценок на HarmBench и MMLU; они не гарантируют качество на других задачах. Из-за удаления поведения отказа модель может выдавать ответы на потенциально опасные запросы. Разработчик указывает исследовательское применение и авторизованное тестирование безопасности. Лицензия — Gemma; перед использованием следует учитывать её условия.

Карточка модели unsloth/Llama-4-Scout-17B-16E на Hugging Face совпадает с карточкой meta-llama/Llama-4-Scout-17B-16E, поэтому описание составлено по ней. Llama 4 Scout — мультимодальная авторегрессионная модель Meta с архитектурой mixture-of-experts и ранним объединением модальностей. В модели 17 млрд параметров и 16 экспертов; она предназначена для работы с текстом и изображениями. Модель подходит для диалогового помощника, визуального рассуждения, распознавания содержимого изображений, создания подписей и ответов на вопросы об изображениях. Поддерживает арабский, английский, французский, немецкий, хинди, индонезийский, итальянский, португальский, испанский, тагальский, тайский и вьетнамский языки. В README указано, что модель тестировалась на понимание до пяти изображений за один запрос. Модель распространяется по специальной коммерческой лицензии Llama 4 Community License Agreement с ограничениями Acceptable Use Policy. Это статическая модель, обученная на офлайн-данных; качество ответов и работу в конкретных сценариях следует проверять отдельно. Возможности понимания изображений сверх пяти изображений за запрос требуют дополнительного тестирования и настройки.

MamayLM-Gemma-3-12B-IT-v1.0 — мультимодальная инструктивная модель INSAIT, института Софийского университета Св. Климента Охридского. Она создана на базе Gemma 3 12B: модель непрерывно предварительно обучали на данных с акцентом на украинский язык и культуру, применяя смешивание данных и объединение моделей, а затем дообучили на инструкциях. Архитектура — плотный декодерный трансформер Gemma 3 с 12 млрд параметров; модель принимает текст и изображения и отвечает текстом. Модель предназначена для диалогов, выполнения инструкций, рассуждений, ответов на вопросы и понимания изображений. Её основная специализация — украинский язык, при этом README сообщает о сохранении высоких способностей исходной Gemma 3 на английском. В карточке приведены результаты текстовых и визуальных оценок, включая украинские тесты ZNO и ZNO-Vision, но конкретные значения этих результатов здесь не указаны. Модель доступна на условиях Gemma Terms of Use. Она использует библиотеку Transformers и формат весов safetensors; в README также упоминается отдельная версия в формате GGUF. Длина контекста в предоставленных данных не указана.

Модель dealignai/Qwen3.6-27B-MXFP8-CRACK-MTP — модифицированная версия Qwen 3.6 27B от dealignai. Это плотная мультимодальная модель с гибридной архитектурой GatedDeltaNet SSM и полным вниманием, 64 слоями и поддержкой изображений и видео. Репозиторий содержит веса SafeTensors в формате MXFP8 для запуска через MLX на компьютерах Apple Silicon; размер указан как 27 ГБ. Сохранена голова multi-token prediction для спекулятивного декодирования d3, для которого автор заявляет ускорение генерации примерно в 1,74 раза в совместимой среде vMLX. Модель предназначена для диалогов, рассуждений, ответов по изображениям и видео, а также сценариев с вызовом инструментов. Автор сообщает об удалении поведения отказа на уровне весов и приводит результаты HarmBench и MMLU, полученные через vMLX. README не описывает методику тестирования подробно, поэтому заявленные оценки и ускорение следует считать результатами автора, а не независимой проверкой. Лицензия — Apache-2.0. Модель рассчитана на использование с vMLX или совместимой средой MLX с поддержкой Qwen 3.6; формат MLX и ускорение MTP ориентированы на Apple Silicon. После изменения поведения отказа модель может выполнять запросы без обычных отказов по безопасности, поэтому необходим контроль её применения.

esatapedico публикует набор из девяти вариантов Qwen3.8-27B в формате GGUF, сконвертированных из unsloth/Qwen3.8-27B-NVFP4. Это плотная мультимодальная модель с обработкой изображений и видео, гибридной архитектурой Gated DeltaNet и Gated Attention, 27 млрд параметров и нативным контекстом до 262 144 токенов. В каждый файл встроена голова MTP для спекулятивного декодирования, поэтому отдельная модель-черновик не нужна. Варианты образуют лестницу по размеру и точности дополнительных весов: от компактных уровней с NVFP4-квантизацией до вариантов с головами в Q8_0 или BF16. Для обработки изображений и видео README рекомендует подключать проектор mmproj-BF16.gguf из репозитория. Модель предназначена для генерации текста и мультимодального диалога; автор приводит лишь предварительные наблюдения на одном запуске, а не результаты полноценного бенчмарка. Репозиторий рассчитан на использование с llama.cpp и аппаратурой NVIDIA Blackwell; доступность и скорость зависят от выбранного файла, видеопамяти и длины KV-кэша. Указана лицензия Apache-2.0.

Canarim-7B — португалоязычная языковая модель, разработанная Майконом Домингешем. Она основана на LLaMA 2-7B и продолжила предварительное обучение на 16 млрд токенов из португалоязычной части CommonCrawl 2023-23; данные охватывают период до середины 2023 года. Модель содержит 6,6 млрд параметров, использует архитектуру Llama и поддерживает контекст до 4096 токенов. Модель предназначена для генерации и понимания португальского текста. Её можно применять для создания контента, анализа тональности, классификации тем, извлечения сущностей и перевода, особенно в сценариях с примерами желаемого результата в запросе. Обучение проводилось только на задаче языкового моделирования: модель не дообучалась для следования инструкциям, поэтому для неё предпочтительны few-shot запросы, а качество zero-shot выполнения задач может быть ниже. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Llama 2 Community License.